据 Databricks 官方博客引用的数据，超过 90% 的财富 500 强公司使用 SAP 解决方案管理关键业务流程、提升运营效率并通过数据驱动决策获得竞争优势。这个数字指向一个具体的技术问题：当今最强大的 AI 模型仍然缺乏理解一家企业实际运行方式的业务上下文。而这些上下文，绝大多数沉淀在 SAP 系统里。

Databricks 在其官方博客中写道：”Today’s AI models are more capable than ever. What they still lack is the business context to understand how your company actually runs.”

在 SAP TechEd 期间，Databricks 宣布了与 SAP 合作的下一阶段：计划将 Genie、Lakeflow、Unity Gateway、Lakebase 四大核心能力带入 SAP Business Data Cloud（SAP BDC）中的 SAP Databricks。Databricks 博客原文的表述是”The expanded partnership plans to bring the full range of Databricks data and enterprise AI capabilities to SAP Databricks”——这是一项计划，而非已经完成的集成。与此同时，SAP 在 TechEd 上宣布了 SAP Application Data Foundation，使 SAP 应用数据可以在 SAP BDC 中被包括 SAP Databricks 在内的引擎消费。这两项发布叠加在一起，勾勒出一条从”ERP 业务数据”到”AI 推理与行动”的通路。

业务上下文：企业 AI 落地的真正瓶颈

Databricks 博客列举了几类典型需求：基于多年订单历史预测需求、在财务关账中检测异常、优化采购决策、以及让 AI agent 基于企业实际运营方式进行推理。这些场景有一个共同特征——它们依赖的核心数据沉淀在 ERP 系统的深处，具体来说就是 SAP 的应用数据中。

访问 SAP 应用数据在技术上一直是可行的，但 Databricks 博客指出了长期存在的痛点：企业通常需要构建和维护自定义抽取管道（custom extraction pipelines）来复制数据，这个过程会丢失业务上下文，并导致治理碎片化。数据从 SAP 系统被”搬”出来的那一刻，它所承载的业务语义——字段之间的关联、业务规则、组织层级——就开始退化。AI 模型拿到的是脱离了语境的数字，而非有业务含义的信息。

这正是 SAP Application Data Foundation 试图解决的问题。

SAP Application Data Foundation：SAP 发布，Databricks 消费

需要明确一个关键事实：SAP Application Data Foundation 是 SAP 在 TechEd 上宣布的产品。Databricks 博客原文明确写道”As SAP announced at TechEd, SAP Application Data Foundation makes data from SAP applications available for consumption in the SAP Business Data Cloud engine of choice, including SAP Databricks”。Databricks 在这个架构中的角色是消费端——作为 SAP BDC 中可选的引擎之一，接收并处理 SAP Application Data Foundation 提供的数据。

这个架构设计的核心价值在于三点，均来自 Databricks 博客的描述：

第一，消除自定义抽取管道。SAP 数据产品（data products）可以通过 SAP BDC Connect 以零拷贝（zero-copy）方式共享，避免额外的管道、数据副本和数据孤岛。数据不再需要被”搬运”，而是在原地被访问。

第二，AI 构建在 SAP 业务语义之上。数据工程师可以在语义丰富的基础上构建模型，使分析和 AI 反映企业的实际运行方式。业务语义不是事后标注上去的元数据标签，而是从 SAP 应用层原生继承的结构化上下文。

第三，Databricks Data + AI Platform 的完整能力可以直接作用于 SAP 数据。Genie、Lakeflow、Unity Gateway 和 Lakebase 将这些数据转化为丰富的数据产品、应用和 agent。

Databricks 博客给出了一个具体的应用场景：一家制造商在本地运行 SAP ECC 的财务和供应链模块，同时规划向云端迁移。该企业可以使用 SAP Application Data Foundation 将多年的订单历史带入 SAP Databricks，数据工程师可以用第三方数据丰富这些历史记录，并在 SAP 的业务语义基础上构建需求预测模型——无需自定义抽取管道——并且在迁移到云端后继续使用这些工作成果。这个场景清楚地表明，SAP Application Data Foundation 的目标用户不仅是已经完成云迁移的企业，还包括大量仍在本地运行 SAP 系统、处于混合状态的企业。

此外，Databricks 博客还提到了 SAF-Holland 的案例：该公司使用 SAP Databricks 统一了超过 1 亿条客户、交付和物料数据，分析速度比传统报表快 5 倍。这个已落地的案例为上述架构设计提供了实际验证。

计划中的四大能力集成

Databricks 此次宣布的是计划将完整的数据和企业 AI 能力带入 SAP Databricks，嵌入 SAP BDC 中。四个组件各自承担不同的功能层：

Genie 被 Databricks 博客定义为一个 AI 协作者（AI coworker），为每个团队提供对受治理数据和 AI 的即时访问，并内置企业上下文。Databricks 博客特别提到，Genie 将核心 SAP 数据中的上下文传递给每个团队和 agent，并计划实现 Genie 与 SAP 的 AI 助手 Joule 之间的双向集成（原文为”A planned bi-directional integration”），将答案和操作带入 SAP 体验中。这意味着，如果该计划落地，用户可能无需离开 SAP 界面就能获得 Databricks 平台提供的数据洞察。

Lakeflow 是统一的数据工程解决方案，用于摄取、转换和编排数据，使团队能够构建将 SAP 数据与 IoT、CRM 和第三方来源结合的管道。在 SAP Application Data Foundation 消除了 SAP 端的抽取复杂性之后，Lakeflow 承担的是数据融合层的工作——将 SAP 数据与非 SAP 数据在同一个编排框架内处理。

Unity Gateway 提供跨 agent、工具、模型和 MCP（Model Context Protocol）的多 AI 治理与成本控制，使团队能够在 SAP 数据上扩展 AI 时具备护栏和支出控制。笔者判断，随着企业在 SAP 数据上部署越来越多的 AI agent，治理和成本控制将成为采购决策中的关键因素——Unity Gateway 在这个位置的卡位具有战略意义。

Lakebase 被 Databricks 博客描述为「首个」为 AI 应用和 agent 构建的无服务器、任务关键型 Postgres 数据库，帮助团队在 SAP 和企业数据上构建运营数据应用。Lakebase 的定位填补了一个具体的空白：当 AI agent 需要读写操作型数据（而非仅仅查询分析型数据）时，需要一个与 Databricks 平台原生集成的事务型数据库。

需要再次强调：以上四大能力的集成目前处于”计划”阶段，Databricks 博客使用的是”plans to bring”的表述。Genie 与 Joule 的双向集成同样是计划中的功能。

从 GA 到深度集成的演进路径

这次发布并非从零开始。2025 年，SAP 和 Databricks 推出了 SAP Databricks，将 Databricks Data + AI Platform 原生嵌入 SAP Business Data Cloud。Databricks 在 2025 年 4 月 30 日的博客中宣布了 SAP Databricks 的正式可用（general availability）。自 GA 以来，包括 Adidas、Zalando、Mondi 和 CAF 在内的客户已经在使用 SAP Databricks 和 SAP BDC Connect for Databricks，通过零拷贝、双向 OpenSharing 来分析、治理和在实时的、语义丰富的 SAP 数据产品上构建 AI。

Adidas、Zalando 代表零售与时尚行业，Mondi 是包装与纸业巨头，CAF 是轨道交通制造商——这四家客户覆盖了截然不同的行业垂直领域，说明 SAP Databricks 的适用性并不局限于某一类企业。加上前文提到的 SAF-Holland（商用车零部件制造商）统一超过 1 亿条数据并实现 5 倍分析提速的案例，已有客户群横跨制造、零售、包装和交通多个领域。

在技术层面，Databricks 在 2026 年 4 月 30 日发布的博客中介绍了语义元数据 Delta Sharing（semantic metadata Delta Sharing）如何解锁 SAP 业务上下文在 Databricks 中的可用性。这项技术是本次发布的重要前置条件：如果 SAP 的业务语义无法在数据共享过程中被保留和传递，那么 Genie、Lakeflow 等上层能力就无法真正”理解”SAP 数据的含义。语义元数据 Delta Sharing 解决的正是这个传递层的问题——确保数据从 SAP 系统流向 Databricks 平台时，字段含义、业务规则、层级关系等元数据不会丢失。

从 2025 年 GA 到语义元数据 Delta Sharing，再到此次计划中的四大能力集成，可以看到一条清晰的技术演进路径：先打通数据连接（零拷贝共享），再保证语义传递（元数据 Delta Sharing），最后在保留业务上下文的数据基础上释放完整的分析和 AI 能力。

Databricks 的增长背景与 SAP 合作的战略维度

据 Databricks 2026 年 2 月 9 日发布的新闻稿，Databricks 年化收入运行率超过 54 亿美元，第四财季同比增长超过 65%。在这个增长速度下，SAP 合作打开的战略空间需要从两个维度理解。

第一个维度是数据入口。SAP 系统覆盖了全球最大规模企业的核心业务流程——财务、供应链、人力资源、采购。这些数据是企业运营的”账本”，也是 AI 要理解企业运行方式所必需的输入。通过与 SAP 的深度集成，Databricks 获得的是进入这些数据的原生通道，而非需要客户自行搭建抽取管道的间接路径。

第二个维度是客户粘性。笔者判断，当企业在 SAP Databricks 上构建了需求预测模型、财务异常检测流程、采购优化 agent 之后，这些工作成果与 SAP 的业务语义深度绑定。迁移到其他数据平台意味着重建业务语义映射——这是一个成本极高的操作。SAP Databricks 的架构设计天然具有高切换成本的特征，这对 Databricks 的长期收入留存率可能有正向影响。

Databricks 博客还提到，此次扩展合作提供了跨云和本地（cloud and on-premises）的 SAP 应用数据扩展访问能力。”本地”二字的分量不容低估。大量大型企业的 SAP 系统仍然运行在本地数据中心，云迁移是一个持续多年的过程。SAP Application Data Foundation 对本地 SAP 系统的支持，意味着 Databricks 的触达范围不限于已经完成云迁移的客户，而是覆盖了整个 SAP 用户基座——包括那些最大、最复杂、迁移最慢的企业。

SAP 的战略逻辑：从 ERP 供应商到数据平台

从 SAP 的视角看，SAP Application Data Foundation 和 SAP Business Data Cloud 的持续扩展，反映了 SAP 正在从传统 ERP 供应商向数据平台方向演进的战略意图。SAP News 在 2026 年 10 月 28 日发布的 TechEd 报道以”SAP TechEd: Developers Can Build the Autonomous Enterprise”为标题，2026 年 10 月 29 日的另一篇 SAP News 报道则聚焦于 SAP BDC 中的 Lakehouse 和 Data Fabric 创新。这两篇官方报道共同指向一个方向：SAP 希望其业务数据成为 AI 和自动化的基础设施层。

据 Futurum Group 在 2026 年 10 月 23 日发布的分析，该机构将 AI 和数据集成列为推动 SAP 云采用扩展的关键因素。笔者判断，这一分析师观点与 Databricks 合作的时间线存在呼应——SAP 需要证明其业务数据可以被现代 AI 平台高效消费。

竞争格局中的定位

笔者判断，Databricks 与 SAP 此次宣布的深度集成计划，在竞争格局中划出了一条分界线。企业数据平台的竞争正在从”谁能处理更多数据、更快地运行查询”转向”谁能让 AI 理解业务语义”。处理速度和规模是基础能力，但在 AI agent 需要理解”这笔采购订单为什么被标记为异常”或”这条供应链路径的历史交付可靠性如何”时，业务语义才是决定性的差异化因素。

SAP BDC 的架构设计允许多个引擎消费 SAP 数据，Databricks 是其中之一。SAP 与其他数据平台厂商（如 Snowflake）也存在数据共享层面的合作关系。在此背景下，Databricks 此次计划集成的差异化在于四个组件覆盖了从数据工程（Lakeflow）、治理（Unity Gateway）、交互式分析（Genie）到事务型数据库（Lakebase）的完整栈，而非仅仅是数据共享或查询层面的对接。这一完整栈的集成深度，是 Databricks 在 SAP 生态中建立差异化的关键筹码。

SAP Application Data Foundation 加上 Databricks 计划中的四大能力，构成了一个从数据源到 AI 应用的完整路径：SAP 负责数据的业务语义完整性，Databricks 负责数据工程、治理、分析和 AI 推理。这个分工清晰的架构，对于那些同时是 SAP 用户和 Databricks 用户的企业来说，目标是消除两个平台之间最大的摩擦点——数据抽取和语义丢失。

接下来需要观察的关键问题是：Genie 与 Joule 的双向集成何时从”计划”变为”可用”，以及 SAP Application Data Foundation 对本地 SAP ECC 系统的支持在实际部署中的完整性和性能表现。这两个节点将决定这次合作从架构蓝图转化为企业实际生产力的速度。

主题分类：企业AI落地

参考资料

  1. Databricks and SAP unleash end-to-end data & AI capabilities to level up enterprise AI transformation — Databricks 官方博客, 2026-10-30
  2. Announcing the General Availability of SAP Databricks on SAP Business Data Cloud — Databricks 官方博客, 2025-04-30
  3. Unlocking SAP business context in Databricks with semantic metadata Delta Sharing — Databricks 官方博客, 2026-04-30
  4. SAP Q3 FY 2026: AI and Data Integration Expand Cloud Adoption — Futurum Group, 2026-10-23
  5. Lakehouse and Data Fabric Innovations in SAP BDC — SAP News, 2026-10-29
  6. SAP TechEd: Developers Can Build the Autonomous Enterprise — SAP News, 2026-10-28
  7. Databricks Grows >65% YoY, Surpasses $5.4 Billion Revenue Run-Rate — Databricks 官方新闻稿, 2026-02-09